AI Summary & Key Takeaways
AI InsightFurthermore,some of the traveling salesman problems existing in the literature are solved using a computer program coded using Visual Basic for Ant Colony Optimization Metaheuristic and the results are compared with optimum tour lengths of these problems.
📌 3 Key Takeaways
Abstract
Ant Colony Optimization Metaheuristic is a population-based, random search algorithm. Ant Colony Optimization Metaheuristic is influenced by the observation of the natural food foraging processes of ant colonies. In this study, the first algorithm of ant colony optimization metaheuristic - ant system (AS)- is introduced, the formulation and the mechanism of the algorithm is given. In addition, the improved AS algorithms - Max-Min AS and Rank-Based AS- are introduced. Moreover, a literature overview of AS applications since 1992 are given. Furthermore,some of the traveling salesman problems existing in the literature are solved using a computer program coded using Visual Basic for Ant Colony Optimization Metaheuristic and the results are compared with optimum tour lengths of these problems.
Özet
Karınca kolonileri meta sezgiseli, popülasyon tabanlı rastsal arama prensibine dayanan bir arama yöntemidir. Doğal süreçlerin gözlemlenmesinden ortaya çıkan, karınca kolonilerinin yiyecek toplama prensibini dikkate alan biyoloji biliminden esinlenerek geliştirilmiş bir meta sezgisel yöntemdir. Bu çalışmada Karınca Sisteminin (KS), algoritması, formülasyonu ve işleyişi belirlenerek son dönemlerde ortaya çıkartılan max-min, mertebe temelli karınca sistemleri hakkında bilgi verilmektedir. Karınca sistemi ile ilgili olarak 1992 yılından günümüze kadar yapılan uygulamalar hakkında bir yayın taraması yapılmıştır. Ayrıca literatürde önerilen gezgin satıcı problemleri, Karınca Kolonileri meta sezgiseli için Visual Basic programlama dilinde hazırlanan Karınca Programı yardımı ile uygun parametreler kullanılarak çözülmüş ve elde edilen sonuçlar optimum değerleri ile kıyaslanmıştır.